跳到正文
arXiv · 机器人与计算机视觉· Mahdi Naseri, Zhou Wang·· 14 小时前AI 评分18

SHAMISA:一种用于无参考图像质量评估的自监督框架

SHAMISA: SHAped Modeling of Implicit Structural Associations for Self-supervised No-Reference Image Quality Assessment

AI 导读

SHAMISA 提出了一种非对比式自监督框架,通过显式的结构化关系监督从未标注失真图像中学习,无需 IQA 意见分数或对比损失。其组合式失真引擎能生成连续参数空间下的无限退化族并分组训练,实现了对表示相似性的精细控制。在合成、真实及跨数据集基准上的实验显示,该方法具备强整体性能、改进的迁移能力及有利的定性鲁棒性诊断。

来源:arXiv · 机器人与计算机视觉 · arxiv.org